主要研究方向
.複雜系統

研究領域
.複雜網絡
.圖機器學習

代表作
.Cai, W.*, Chen, L., Ghanbarnejad, F., & Grassberger, P., Avalanche outbreaks emerging in cooperative contagions. Nature Physics, 11, p.936–940, 2015
.Cai, W.*, Snyder, J., Hastings, A., & D'Souza, R., Mutualistic networks emerging from adaptive niche-based interactions. Nature Communications, 11, p.1-10, 2020
.Cai, W.*, Ellinger, F. & Tetzlaff, R., Neuronal synapse as a memristor: Modeling pair-and triplet-based STDP rule. IEEE Transactions on Biomedical Circuits and Systems, 9, p.87-95, 2015
.Snyder, J.*, Cai, W., & D'Souza, R., Degree-targeted cascades in modular, degree- heterogeneous networks. Physical Review Research, 4, p.013040, 2022
.Cai, W.*, Schmidt, T., Jörges, U., & Ellinger, F., A feedback spin-valve memristive system. IEEE Transactions on Circuits and Systems I, 59, p.2405-12, 2012

個人簡介

蔡蔚然，教授，博士生導師。上海交通大學物理學、應用數學學士。德國德累斯頓工大（TU  Dresden）電子與計算機工程學博士。美國加州大學Davis分校博士後。曾任德國德累斯頓工大電子基礎研究所研究人員。研究領域：複雜系統、圖機器學習。曾在Nature Communications, Nature Physics, EPL, PRE, PRR, IEEE TBioCAS, IEEE TCAS, JAS, ISCAS，NetSci等複雜系統方面的期刊和會議上發表文章。其中，複雜網絡上合作滲流相變的工作被選為德國馬克斯-普朗克複雜系統研究所年度研究亮點。美國陸軍實驗室(ARL)  Network  Science-CTA項目主要申請人與參與者。曾任Nature Comm.，Nature Ecol. & Evol.等期刊、IEEE多個會議和Springer專著審稿人。當下研究的主要方向為圖機器學習(machine learning with graphs)、複雜網絡, 包括: 複雜網絡分析與預測、圖神經網絡的算法與理論（分子屬性計算、圖生成模型、組合優化/運籌學問題的機器學習等）、多元時間序列分析（交通流、電網、金融系統等）、演化博弈與群體智能、傳染病模型與預測等。其中部分研究課題與美國加州大學(Davis)、瑞士蘇黎世大學、德國德累斯頓工大、同濟大學等海内外學校合作。我們歡迎有興趣的研究生加入我們的複雜系統實驗室(Complex Systems Lab)，尤其是有深度/機器學習或複雜系統知識的同學；同時我們歡迎有一定基礎的本科生參加我們實驗室的活動，包括組會讨論和為本科生準備的研究項目。